2026 年使用 Claude 提升生產力的系統性指南

Claude 在 2026 年推出的所有功能及實際使用方法

原文作者：@kloss_xyz

Peggy，BlockBeats

編者按：當我們回顧 Claude 在 2026 年的產品演進，會發現一個明顯的變化：問題不再是「它能做什麼」，而是「不同的人應該如何使用它」。

本文基於 Anthropic 自 2026 年以來的產品更新，對 Claude 的能力體系與使用方式進行了系統梳理。文章按照「不同人該用什麼、在什麼場景下怎麼用」的邏輯進行組織。你可以將其視為一份導航：當面對具體任務時，能夠快速定位到對應模塊，並調用合適的能力。

對於第一次接觸 Claude 的用戶，首先需要理解模型與基礎能力，包括上下文視窗、模型分層以及四種使用模式。這些因素共同決定了 Claude 的能力邊界，也構成後續使用方式的基礎。

對於知識工作者，重點在於 Cowork 所代表的任務執行體系。如何搭建工作空間、構建上下文文件、設置全局指令，以及透過 AskUserQuestion 重構互動方式，決定了你是「在使用 AI」，還是「在讓 AI 工作」。

對於開發者而言，核心路徑則通過 Claude Code 展開。關鍵不再是寫代碼本身，而是如何通過 CLAUDE.md、Rules、Commands、Skills 與 Agents 等機制，構建一個可重用、可協同的開發體系，使 Claude 成為軟體生產流程的一部分。

在更具體的應用層面，從 Excel 與 PowerPoint 的數據分析與演示，到 API、自動化流程與可視化能力，Claude 正逐步嵌入傳統軟體體系，成為底層能力的一環。

當 AI 從「對話工具」走向「工作系統」，真正的差異，也不再來自模型本身，而來自你如何使用它。

以下為原文：

Anthropic 最近的產品更新節奏快到離譜，連許多深度用戶都難以跟上。幾乎每天都有新版本發布，自今年一月以來，大型版本更新的頻率也基本穩定在每兩週一次。新模型、新工具、新整合，甚至全新的產品類別都在不斷推出。如果你稍有分心，或休息了幾週，很可能已經錯過了不少關鍵變化。而且，Claude 確實正在重塑你的工作方式——這一點毋庸置疑。

這是一份「全景指南」。截至 2026 年 3 月 23 日，Claude 上所有已上線的重要功能，這裡都會涵蓋：包括每一項功能如何設定、在什麼情境下使用，以及真正有效的最佳實踐。掌握這些差異，正是區分「覺得很有意思」與「真正重構工作方式」的關鍵。

你很可能想將這篇內容收藏起來，反覆查看，也可以分享給你的團隊或朋友。這正是我當初入門時，希望有人已經整理好的那份參考手冊。

Claude 4.6 系列目前分為三個模型等級。以下是每個模型的能力邊界及適用場景：

Claude Opus 4.6 是目前的性能上限。於 2026 年 2 月 5 日發布，支援 100 萬 token 上下文視窗（價格調整詳見後文）。在 100 萬 token 的長上下文下，MRCR v2 得分為 78.3%，是當前同級模型中表現最高的。

在法律、金融和編程等任務中全面領先。Anthropic 報告其任務持續執行能力可達 14.5 小時，為前沿模型中最長。API 價格為每百萬 token 輸入 $5 / 輸出 $25，最大輸出為 128K token。支援自適應推理，並新增「max」級別，用於釋放極限能力。

註：MRCR v2 得分是模型在「超長上下文中找對資訊」的能力指標。

·適用場景（Opus）：複雜大規模上下文分析、代碼庫重構、深度研究、高風險交付、嚴肅內容生產，以及一切「質量優先於成本」的任務。

·不適用場景（Opus）：任何需要高頻調用的工作流。以當前價格計算，一個重度 Opus 使用場景每天可能消耗 $50–100。預設應優先使用 Sonnet，只有在 Sonnet 輸出品質不足時才升級至 Opus。

Claude Sonnet 4.6 於 2 月 17 日發布，僅比 Opus 晚 12 天，是大多數用戶的默認選擇。同樣支援 100 萬 token 上下文（自 3 月 13 日起正式可用）。在編碼、電腦操作、長上下文推理、Agent 規劃、知識工作與設計等方面均有提升。在早期測試中，約 70% 的用戶更偏好 Sonnet 4.6（相比 4.5），在 59% 的情境中甚至超越此前旗艦 Opus 4.5。

在 claude.ai 上，Free 和 Pro 用戶的預設模型。API 價格為 $3 / $15 每百萬 token，最大輸出為 64K token，相比 4.5 提速約 30–50%。

·適用場景（Sonnet）：日常工作、快速草稿、常規編程任務、Agent 工作流——在速度與智能之間取得平衡。在許多辦公場景中，其表現已接近甚至超過 Opus（在 Anthropic 的 OfficeQA 基準測試中，部分任務甚至領先），而成本約低 40%。

Claude Haiku 4.5 是一款面向高併發場景的低成本、极速模型，主要用於 API 管道或子代理（subagent）任務，例如唯讀處理型工作。

但有一個重要前提：Haiku 完全不具备 prompt 注入防護能力。如果你在 Agent 系統中用它處理不可信輸入，必須謹慎評估風險並仔細閱讀官方文檔。

100 萬上下文視窗：價格結構的變化

此前，超過 200K token 的請求需支付溢價（Opus 價格最高可達 $10 / $37.5 每百萬 token）。但自 3 月 13 日起，此溢價已完全取消。現在，900K token 和 9K token 的單價完全相同。無倍率、無隱藏條件，亦不再需要 beta header。

這意味著什麼？約 75 萬詞的上下文容量，可一次性載入：整個程式碼庫、完整法律合約、大規模資料集、數月的文件記錄，並全部保存在同一個「工作記憶」中。

同時，多模態能力也得到提升，單次請求最多支援 600 張圖片或 PDF 頁面（此前為 100，提升 6 倍）。目前，已於 Claude Platform、Microsoft Foundry 和 Google Cloud Vertex AI 上提供。

對團隊來說，這項改變非常直接：過去需要分塊處理（chunking）、摘要管道（summarization pipelines）、滾動窗口管理（rolling context）的內容，現在可以直接全部載入。甚至有公司反饋，將上下文從 200K 提升到 500K 後，總 token 消耗反而下降，因為模型不再反覆讀取與重處理歷史資訊。

Claude 的四種使用模式：何時使用哪一種

Claude 提供四種模式，但大多數人只用過其中一種：

聊天

Your most familiar browser / mobile interface. Ideal for asking questions, brainstorming, and drafting.

每次對話都是從零開始，你始終在主導過程。

Cowork

Desktop Agent. Can directly read and modify your local files, automatically execute multi-step tasks, and output completed results to your folder.

適合「把任務交出去」，而不是來回對話。

代碼

開發者模式，運行於終端中。可存取程式碼庫、撰寫程式碼、執行指令、管理 Git。

如果你寫代碼，這裡是槓桿最高的地方。

項目

Persistent workspace. You only need to upload files and instructions once; the full context will be automatically carried over in each new conversation.

適用於重複性工作，例如週報、新聞簡報、客戶交付等。

一個簡單的判斷規則：Chat 適用於快速提問，Cowork 讓 AI 替你做事，Code 適合開發任務，Projects 適用於需要穩定上下文的重複工作

記憶與個性化（Memory and Personalization）

截至 2026 年 3 月 2 日，Claude 已向所有用戶（包括免費用戶）開放基於聊天歷史的記憶功能。Claude 會從你的對話中提取相關上下文，並生成一份可跨會話使用的記憶摘要。你可以在 Settings > Capabilities 中查看、編輯或刪除這些記憶。同時，也支援匯入與匯出完整記憶資料——無論是用於調整前做備份，還是遷移到新帳號，都會很方便。若開啟隱身對話（Incognito），對應的內容則不會被寫入記憶。

這裡的關鍵操作是：現在就去 Settings > Memory 看一眼 Claude 已經「記住了什麼」。把不準確或過時的資訊改掉，並補充它應該了解的背景。你的記憶越準確，未來在不同會話中就越不需要反覆解釋自己。

需要注意的是，Cowork 模式的會話之間不會繼承記憶。如果你需要持續上下文，需要通過「上下文文件」來彌補（下文 Limitations 部分會詳細說明）。

Cowork 彻底改變了遊戲規則。它於 1 月 12 日以研究預覽形式在 macOS 上推出（面向 Claude Max 用戶），隨後於 1 月 16 日擴展至 Pro 用戶，1 月 23 日擴展至 Team 和 Enterprise，之後也上線了 Windows 版本。市場的反應非常直接——投資者迅速意識到這意味著什麼，SaaS 公司的市值在短短幾天內蒸發了數千億美元，華爾街看懂了這條路徑。

但關鍵在於：不要再把它當成一個聊天介面。

Cowork 的本質是任務委託。

你只需描述「完成的結果是什麼樣」，Claude 會自動制定計劃、拆解子任務，在你真實的電腦環境中自主執行，並將最終完成的檔案交付至你的資料夾中。你可以直接離開，回來時工作已完成。

Anthropic 在大約 10 天內，僅使用 Claude Code 就構建出了 Cowork。

環境搭建四步法：從零配置你的 Cowork 工作流

那些不會使用 Cowork 的人，往往仍沿用舊習慣：為每個任務撰寫冗長而細緻的提示詞，但結果卻不穩定。

而真正懂的人，做的是另一件事：花一個下午把「上下文環境」搭建好（包括上下文文件、全局指令、資料夾結構），然後只用 10 個詞的提示，就能產出可直接交付給客戶的結果。

這背後的邏輯是：

ChatGPT 訓練你撰寫更好的提示詞

Cowork 奖勵你構建更好的「文件系統」

The former is a skill that depreciates as the model evolves, while the latter is a capability that continuously compounds.

步驟 1：搭建你的工作空間資料夾

在電腦上建立一個專門用於 Cowork 的資料夾。

不要直接將其指向整個 Documents（文檔）目錄。如果出現問題（確實有可能發生），你需要將影響範圍控制在最小。因為，Cowork 對你授權的資料夾擁有真實的讀寫權限。

這樣做既能保持結構清晰，也能限制 Claude 能訪問的範圍。幾乎所有資深用戶的實踐最終都會收斂到類似的基礎結構。資料夾叫什麼並不重要，關鍵在於一定要做好分層與隔離。

步驟 2：構建你的上下文檔案體系

這是解決「AI 輸出同質化」的關鍵一步。在你的 CONTEXT 資料夾中，建立三個 Markdown 檔案：

關於我.md

用於界定你的角色與當前工作重點。這不是簡歷，而是你日常真實參與的工作，你的服務對象是誰、當前優先級是什麼、哪些事項最具業務價值。同時可補充一至兩個代表性成果，作為能力與標準的參照。

brand-voice.md

用於固化你的表達風格。包括語氣特徵、常用與禁用詞彙、排版偏好，以及 2–3 段真實寫作樣本。這是區分「通用 AI 內容」與「具備個人風格輸出」的核心分水嶺。

工作偏好.md

用於明確 Claude 的執行規範。例如：執行前先提出澄清問題、先輸出任務拆解方案、未經確認不進行刪除操作、預設輸出格式、品質標準以及需要避免的行為等。

這三個文件可在短時間內解決「冷啟動」問題：在缺乏上下文的情況下，每次任務都需要從零解釋；完成設定後，Claude 在每次會話開始時即具備對你風格、標準與偏好的完整認知。

一個常被忽略的關鍵點在於，這些上下文檔案具有「複利效應」。建議每週持續迭代優化。當 Claude 的輸出不符合預期時，應優先判斷：這是提示詞問題，還是上下文問題。在絕大多數情況下，問題源自上下文。解決路徑也很直接：在對應檔案中補充一條規則，即可形成長期有效的修正機制。

從實踐來看，這一体系的搭建成本極低：我大約用 45 分鐘完成了 context folder 的初始構建——三個 .md 文件，分別定義「我是誰」「我在做什麼」以及「Claude 的執行方式」。在此基礎上，下一次僅用一個 10 個詞的項目簡報提示，輸出即在首次生成時達到預期標準。而在此前，每一次任務都需要從頭重複解釋完整工作背景與要求。

用戶表示「Claude Cowork 在文件處理與編輯方面同樣非常實用。你只需用自然語言描述要找的文件（例如『一個有松鼠的視頻』），再給予簡單的操作指令，Claude 就可以調用 ffmpeg 完成處理。即使你沒有任何文件編輯或格式轉換的經驗，也能順利完成相關操作。」

步驟 3：設定全局指令

進入 Settings > Cowork > 編輯全局指令。

全局指令會在所有內容之前載入——先於你的檔案、先於提示詞，甚至在 Claude 讀取你的資料夾之前就已生效。它定義的是每次會話都會遵循的「底層行為規範」。

以下是一份可作為起點的模板：

這意味著，即使是最隨意、最倉促的提示詞，也能產生經過校準的結果。Claude 始終知道你是誰，始終優先讀取正確的檔案，始終在做出判斷前先進行確認。提示詞本身，只需負責當前的具體任務。

步驟 4：學會使用 AskUserQuestion

這個功能本質上改變了整個互動方式。不再是你去設計「完美提示詞」，而是由 Claude 來設計「完美問題」。當你在任何提示中加入「Start by using AskUserQuestion」，Cowork 會自動生成一個互動式表單：包括多選問題、可點擊選項、明確的備選路徑，以及一套結構化的问题框架，幫助你在執行前釐清真正需求。

結果是你不再需要從零開始編寫冗長且精細設計的提示詞；而是讓 Claude 主動判斷它需要哪些資訊。如果第一輪問題仍未對齊需求，你可以直接指出問題所在，它會生成新一轮問題，持續迭代。

一個幾乎適用於所有情境的通用提示模板：

就是這麼簡單。這個模板，加上你的上下文檔案體系，基本可以覆蓋 80% 的使用場景。工作流程始終一致，變化的只有上下文本身。

Cowork 核心功能

連接器

上線時間：2 月 24 日。

Claude Cowork 已支援連接 Google Drive、Gmail、DocuSign、FactSet、Google Calendar、Slack 等多種工具，並隨企業版更新一同推出。

這些並非淺層集成。Claude 可以自主完成以下操作：

·在你的 Drive 中檢索與瀏覽檔案

·提取並整合多來源資料

·根據獲取的資訊自動撰寫郵件

·掃描合約並標記潛在風險

連接完成後，Claude 在每次會話中均可直接調用這些工具的實時數據，無需複製貼上、截圖或手動下載。

設定路徑：進入 Settings > Connectors，瀏覽目錄（目前已有 50+ 集成），點擊「Add」並完成授權即可。

此操作只需執行一次。連接器對所有用戶免費開放（包括免費版，自 2 月 24 日起），但目前仍是 Cowork 中最被低估的功能之一。

典型用法示例：

· 連接 Slack 後：「檢索我過去 7 天的 Slack 消息，彙總需要跟進的事項，並按緊急程度排序。」

·連接 Google Drive 後：「找到我 Drive 中關於某個項目的最新文檔，閱讀後總結我需要重點關注的三件事。」

·連接 Google Calendar 後：「查看我本週的日程，識別衝突會議，並為優先級最低的一場生成改期郵件。」

插件 與 市場

上線時間：2 月 24 日。

插件是為特定崗位預構建的功能模組，將技能、命令（slash commands）與連接器打包為「角色化工具集」。Anthropic 已推出官方插件，覆蓋銷售、市場、法務、金融、數據分析、產品管理、客戶支持、企業搜索、工程、人力資源、運營、設計、品牌、生命科學研究等多個領域。

安裝方式：左側欄 Customize > Browse plugins，點擊安裝；在對話中輸入「/」可查看可用命令。

推薦優先安裝的插件：

·Productivity（生產力）

管理任務、日程與日常工作流程。輸入 /productivity:start，Claude 會自動整理你當天的安排。

·Data Analysis（數據分析）

上傳 CSV 檔案，輸入 /data:explore，Claude 會自動分析欄位、識別異常、提出分析建議，並以自然語言生成 SQL。

然後選擇一個與你工作匹配的角色插件：

/marketing:draft-content：根據品牌語調生成內容

/sales:call-prep：調研客戶並生成溝通要點

/legal:review：審閱合約並標記風險條款

對於團隊用戶：可建構私有插件市場，在組織內部統一分發自訂插件，並透過管理員權限進行控制（適用於 Team 與 Enterprise 計畫）。一次建構，即可在團隊內規模化部署。

In addition, Anthropic has also launched a public plugin marketplace and Ambassador program to support community-developed plugins, and the ecosystem is rapidly expanding.

插件還可進一步個性化：安裝後，你可直接對 Claude 說：「根據我的公司情況，幫我定制這個插件。」Claude 會詢問你的工作流程、術語體系與偏好，並將這些資訊作為該插件的長期上下文。

這意味著，一個通用的銷售插件，可以進化為真正理解你目標客戶（ICP）、定價體系與溝通風格的專屬工具。

排程任務

上線時間：2 月 25 日。

你只需一次性設定，Claude 即可按週期自動執行任務，例如：

·每日早晨郵件摘要

·每週五數據指標彙總

· 定期競爭情報分析

前提是您的電腦處於開啟狀態，且 Claude Desktop 正在運行。

一個被多位深度用戶驗證的真實用例：

你在週一早上醒來時，一份已整理好的簡報正等著你閱讀。配合連接器使用，定時任務真正具備了「自動運行」的能力。例如：「每週一，從 #product-feedback 頻道抓取所有未讀 Slack 消息，按主題分類，並在 Google Drive 中生成總結。」——定時任務自動觸發，連接器擷取即時資料，Claude 完成處理，結果直接出現在你的資料夾裡。

我每天會運行 3–4 個定時任務：早上生成一份 AI 新聞簡報並儲存至內容資料夾；中午抓取 X 和產品發布資訊，進行一輪競爭對手對比；下午整理 Discord 和 Telegram 的社群動態；晚上輸出內容表現複盤。

每個任務都能節省 20–30 分鐘的手動操作，累計起來幾乎每天多出兩小時的有效時間，且幾乎不需要額外管理成本。

此功能也伴隨 Claude Desktop 中新推出的 Customize 模塊上線，將技能、插件和連接器統一整合於單一入口。

發送

上線時間：3 月 17 日。

這是一項連接手機與桌面的橋接功能，目前僅對 Pro 和 Max 用戶開放。透過 Claude Desktop 或 iOS / Android 客戶端，您可在任何情境下遠端管理 Cowork 中的任務。

設定方式很簡單：在 Claude Desktop 中進入 Cowork，點擊側邊欄的 Dispatch，並開啟「Keep awake」（否則電腦進入睡眠後任務會中斷）。然後在手機端打開 Claude 應用，在側邊欄點擊 Dispatch。

核心體驗是：一個跨裝置持續同步的對話線程。你在通勤路上，透過手機讓 Claude 處理桌面上的任務，例如整理三份表格生成報告；等你到辦公室時，結果已經完成。你甚至可以在一條 Dispatch 指令中疊加多個任務，Claude 會在你離開期間按順序執行。

一個多數人容易忽略的細節（來自 Product Compass 指南）：Dispatch 的調度層不會讀取你的 CLAUDE.md，它是基於預設假設來生成任務提示的。雖然子任務會讀取，但初始指令可能已經存在偏差。

解決方法是：在 Dispatch 指令中顯式加入一句：「read CLAUDE.md」。

使用限制與應對：

目前無法在行動端新增連接器

→ 需提前在桌面端完成 Gmail、Slack、Notion 等連接，Dispatch 會自動繼承

目前無法在行動端上傳檔案

→ 解決方案：將檔案發送至郵箱，然後透過 Gmail 連接器讓 Claude 讀取

整體來看，Dispatch 本質上是將「本地工作能力」延伸至任何時間與空間。它不只是遠端控制，而是在重構任務執行的時間邊界。

項目

上線時間：3 月 20 日。

將相關任務組織為持久化工作空間，每個項目擁有獨立的檔案、連結、指令與記憶。你可以匯入現有資料夾，或從零開始建立。這意味著，你可以同時管理多個項目，例如：「Q1 財務報告」與「產品發布資料」，而 Claude 會分別記住各自的上下文。

Projects 的意義在於：將 Cowork 從一次性 Agent 會話，升級為持續演進的工作空間。對於研究密集型任務尤為關鍵，因為你不再需要在不同對話之間反覆丟失上下文、重複解釋目標。

使用電腦

上線時間：3 月 23 日

目前為研究預覽階段，僅支援 macOS，開放予 Pro 與 Max 用戶使用，並可在 Cowork 與 Claude Code 中使用。

Claude 現在可直接操作你的電腦：點擊、輸入、導航介面、開啟應用程式、使用瀏覽器、填寫表單、操作任何本地工具

當存在官方連接器（例如 Slack 或 Google Calendar）時，Claude 會優先使用介面調用；當不存在連接器時，則通過「滑鼠 + 鍵盤」的方式完成操作。

使用機制與風險提示

Claude 在執行關鍵操作前會請求授權。但 Anthropic 仍建議避免在該模式下處理敏感資訊。

需要重點關注的風險是：基於螢幕內容的 prompt 注入。如果 Claude 開啟了不可信網站，該頁面內容會進入上下文視窗，從而可能影響模型行為。

建議：僅在可信應用與已知網站環境中使用。

結合 Dispatch 的意義

當 Computer Use 與 Dispatch 結合後，能力進一步擴展：你可以在手機上指令 Claude，去完成一個需要操作桌面、瀏覽器或尚未接入連接器的應用的任務。

Essentially, this breaks through a key capability boundary: from “calling tools” to “directly operating the system”.

Chrome 中的 Claude

Chrome 擴展讓 Claude 可以與你並行操作瀏覽器：讀取網頁、點擊元素、填寫表單並完成頁面導航。

但大多數人忽略的，是以下能力：你可以透過示範一次操作流程，讓 Claude 學會重現。任何一項每周重複兩次以上的瀏覽器任務，都可以被記錄為一個工作流。

與 Claude Code 的整合進一步打通了開發流程：你可以在終端編寫代碼，同時在瀏覽器中即時測試。擴展可以讀取控制台錯誤、網路請求以及 DOM 狀態，因此當你的前端出現問題時，Claude 往往在你提問之前就已定位原因。

此外，你還可以直接在 Claude Desktop 中控制瀏覽器操作，無需頻繁切換視窗。對於 Team 和 Enterprise 用戶，管理員可以在組織層面統一管理擴展，透過白名單與黑名單控制可訪問的網站。

一個典型應用場景是：將「每週查看競爭對手定價頁面」這一流程錄製為工作流。Claude 會自動訪問各個網站，抓取價格資訊，並整理至 Cowork 文件夾中的對比表。原本需要 45 分鐘反覆點擊的工作，可壓縮為一次點擊重複使用。

請注意：應謹慎授權網站存取權限。網頁內容是提示注入的主要入口之一，應盡量將權限限制於可信網站範圍內。

使用邊界

整理過去數月累積的文件：

將 Cowork 指向一個包含過去 6 個月雜亂文件的文件夾——包括收據、合同、筆記、截圖等。

Claude 會逐個讀取檔案，完成分類、按日期重新命名、建立檔案結構，並生成操作日誌。原本需要 2 小時的整理工作，可壓縮至 10 分鐘完成。

有用戶使用 Cowork 整理了 317 個迪士尼世界的影片：Claude 從影片的元資料中提取 GPS 坐標，判斷每個影片對應的園區位置，並自動歸類至不同資料夾中。

Lenny 讓它遍歷自己所有的播客內容（數百期），並自動提取出關鍵資訊，比如「最重要的產品經驗」和「最反直覺的洞察」。整個過程在幾分鐘內完成，而這種工作過去可能需要數天甚至數週。相關閱讀

從原始材料生成客戶交付成果：你手上有會議紀錄、一份逐字稿，以及一些研究連結，現在需要整理出一份結構完整、可直接對外提交的報告。

Claude 會讀取你所有的原始材料，將其整合為一份結構化報告，按照你的模板完成格式排版，並直接保存為可發送版本。原本需要 90 分鐘的工作，可以壓縮到 15 分鐘完成。

自動化的每週研究簡報：你可以設定一個用於競爭情報的定時任務。每週一早上 7 點，Cowork 會自動調研競爭對手、掃描行業出版物，並生成一份格式化的簡報。你只需在方便的時候進行審閱。結合連接器，還可從 Slack、Gmail 和 Drive 中調取實時數據。

財務建模：曾有創作者讓 Cowork 建立一個社交媒體退出估值模型。Claude 自行制定方案、發現公式錯誤並進行修正，最終交付一份「華爾街風格」的 Excel 檔案，包含四種估值方法，共 129 個公式。綜合估值區間涵蓋：收入倍數、EBITDA 倍數、用戶/訂閱價值，以及 5 年期 DCF 模型。坦白說，這已相當驚人。

限制

Cowork 的消耗速度很快。

一項複雜任務可能會消耗相當於數十次普通對話的配額。在 Pro（20 美元/月）方案下，如果你每天使用，通常一週內就會觸及限制。社區反饋顯示，重度用戶在 3–4 天內就會遇到速率限制，若正處於關鍵任務階段，這將嚴重影響體驗。

多步驟任務（如檔案讀取、文件生成、並行子任務）本質上計算密集。如果 Cowork 成為你的主要工作流程，Max（每月 100 美元，對應約 5 倍配額；或每月 200 美元，對應約 20 倍配額）更具可行性。建議透過 Settings > Usage 實時監控使用情況，避免任務中途被中斷。

長會話中的上下文壓縮問題也不可忽視。當會話接近上下文上限時，Claude 會自動對早期內容進行摘要壓縮，以釋放空間。雖然可以維持會話繼續運行，但代價是資訊精度下降：數值被簡化、文件引用變得模糊、早期決策被壓縮成概括性描述

如果你發現 Claude 開始使用「常見模式」而非具體文件來回答，說明壓縮已經發生。解決方法是，在關鍵節點，讓 Claude 將重要資訊寫入檔案保存。這樣即使上下文被壓縮，關鍵資訊仍然可追溯。

目前仍處於研究預覽階段。Anthropic 也明確說明：模型仍可能誤讀文件，或在簡單問題上採取不必要的複雜路徑。在複雜多步驟任務中，大約有 10% 的概率會出現偏離預期的執行路徑，最終結果中可能存在局部不一致。因此，對外輸出前必須進行人工複核。

跨會話無記憶。每一次新的 Cowork 會話都是完全獨立的：不記得你是誰，也不記得昨天討論了什麼。這是目前最大的摩擦點。

但一旦你建立了上下文文件體系，這一問題可以被有效緩解：

·偏好寫入檔案

· 將項目計劃寫入文件

·標準寫入指令

如果需要連續性，就把連續性「寫進文件」。其反面優勢也很明顯：結構化工作流具備可遷移性、可共享性和版本控制能力。

任務依賴客戶端運行。Cowork 是在 Claude Desktop 中運行的活動會話。一旦關閉視窗，任務即中斷。建議讓電腦進入休眠而非關閉應用，會話可繼續保持。

僅支援桌面端。目前沒有移動端 Cowork，也沒有瀏覽器版本，不支援跨裝置同步（Dispatch 可部分彌補，但並非完全替代）。建議將上下文檔案放在雲同步目錄（如 iCloud、Dropbox、OneDrive），至少確保檔案在不同裝置間一致。

If Cowork is aimed at knowledge workers, then Claude Code is aimed at developers.

Claude Code 最初於 2025 年 2 月以命令列編碼工具形式推出，如今已發展為一個可擴展的平台，用於在整個開發流程中調度 AI Agent，年化收入已達 25 億美元規模。

安裝方式很簡單：透過 npm 安裝（npm install -g @anthropic-ai/claude-code），進入專案目錄，輸入 claude，即可啟動一個能存取整個程式碼庫的 Agent。

它可以執行的操作包括：讀取檔案、寫入檔案、執行命令、上網搜尋、運行測試、提交代碼等。

同時，claude.ai 上的網頁版本於 2 月完成重要升級，新增多倉庫會話、更完善的 diff 與 Git 狀態可視化，以及 slash 命令支援。但最深層的能力仍集中在終端版本。

但真正拉開差距的，並不是「寫代碼」本身。而是其擴展層能力，這使 Claude Code 從一個增強型自動補全工具，轉變為一個可配置的開發平台。

如何進行「環境搭建」？三個關鍵步驟

1、CLAUDE.md：項目級指令手冊

在每次會話開始時，Claude 會首先讀取你的 CLAUDE.md。它會被直接載入系統提示中，並在整個對話過程中持續生效。你在這裡寫下的內容，Claude 都會遵循。但多數人要么完全忽略它，要么塞入大量無效資訊，反而降低輸出品質。資訊過少或過多，都會帶來負面效果——這是一個需要把握的「閾值」。

應該寫什麼

應專注於真正影響執行質量的內容：

·建構、測試、lint 等關鍵命令（具體的 bash 指令）

·核心架構決策（例如「採用 Turborepo 的 monorepo 架構」）

·非顯而易見的約束（例如「TypeScript 開啟 strict 模式，未使用變量會報錯」）

· import 規範、命名規則、錯誤處理風格

· 核心模組的檔案與目錄結構

不應該寫什麼

·本應寫在 linter 或 formatter 配置中的內容

·已有連結可查的完整文件

·冗長的理論說明

建議控制在 200 行以內。超過這個長度，會佔用過多上下文，反而削弱 Claude 的指令遵循能力，因為它需要在你的指令與 Claude Code 自身的系統提示之間「競爭注意力」。

不只是寫「做什麼」，還要寫「為什麼」

「使用 TypeScript strict 模式」是基本要求，但「使用 strict 模式，因為我們曾因隱式 any 類型引發過線上 bug」會更有效。原因在於，「為什麼」提供了判斷上下文，使 Claude 能在未明確覆蓋的場景中做出更合理的決策。

持續更新，而不是一次寫完

在工作過程中按下「#」，Claude 會自動將新的規則補充進 CLAUDE.md。當你發現自己第二次糾正同一個問題時，這就是一個信號：這條規則應該被寫入文件。隨著時間推移，它會演化為一份真正反映代碼庫實際運作方式的「活文檔」。

好與壞的區別

差的 CLAUDE.md 像是寫給新人的入職文件；好的 CLAUDE.md，更像是你在失憶前留給自己的工作備忘。

2、CLAUDE.md 的分層機制

多數人忽略了這一點：CLAUDE.md 並非單一檔案，而是一個分層結構，在會話開始時合併生效。

管理型政策（組織級）

IT 部署，無法覆蓋，適用於全公司規則

~/.claude/CLAUDE.md（全局級）

個人偏好設定，跨專案生效，不納入版本控制

./CLAUDE.md（專案級）

團隊共享配置，提交至 Git，所有成員統一生效

CLAUDE.local.md（本地覆蓋）

針對當前項目的個人調整，自動忽略提交

當規則衝突時，上層優先級更高。這一層級結構，使 Claude Code 能夠從「個人工具」擴展為「團隊協作系統」。

一個常見的團隊問題

開發者將關鍵規則寫入個人配置（~/.claude/CLAUDE.md）中，因此自己使用時一切正常。但新成員克隆倉庫後，由於缺少這些個人配置，輸出開始不一致。團隊常誤以為是模型問題，實則為配置問題。

一個典型案例是：團隊花了兩天排查「Claude 隨機行為」，最終才發現核心規則只存在於資深開發者的本地配置中。結論很簡單：所有團隊規範，必須寫在項目級 CLAUDE.md 中。

3、規則目錄：可擴展的模組化指令體系

當 CLAUDE.md 變得臃腫（這是必然的），可以將規則拆分到 .claude/rules/ 目錄中。

該目錄下的每一個 Markdown 檔案，都會在會話開始時與 CLAUDE.md 一同載入。這使得指令體系可以模組化擴展，同時保持主檔案的簡潔與可維護性。

每個檔案都可以保持聚焦。負責 API 規範的人維護 api-conventions.md，負責測試的人維護 testing.md，各自職責清晰，互不干擾。

真正體現價值的，是「路徑作用域規則」。你可以通過在檔案中新增帶有 glob 模式的 YAML 頭部設定，使這些規則僅在 Claude 處理匹配路徑的檔案時才生效：

這可以覆蓋所有測試文件，不論它們位於哪個目錄。相比之下，目錄級的 CLAUDE.md 只會作用於該目錄下的文件。對於需要在 50 多個測試目錄中統一執行的規範，基於路徑的規則才是更合理的方案。同時，這種方式也能降低 token 消耗，因為相關規則只在匹配時才會載入。

Commands、Skills 與 Agents 的區別

這三類擴展機制的工作方式各不相同。如果使用場景選擇不當，反而會增加使用成本與摩擦。

Commands（.claude/commands/）是需要手動觸發的斜線命令。

例如，一個名為 review.md 的檔案，會對應一個命令 /project:review。你可以在檔案中使用 Markdown 撰寫指令；同時，透過 ! 反引號語法，可先執行 shell 命令，並在 Claude 處理提示詞之前將輸出結果嵌入進來。

現在，執行 /project:review 時，系統會自動將真實的 git diff 注入到提示中。

你還可以使用 $ARGUMENTS 傳遞參數，例如：/project:fix-issue 234 會直接將第 234 號 issue 的內容載入進上下文。

專案級命令（.claude/commands/）會被提交並在團隊內共享；個人命令（~/.claude/commands/）則以 /user:command-name 的形式出現，僅對個人可見。

Skills（.claude/skills/）則是另一種機制：它們不是手動觸發的，而是由 Claude 在任務匹配時自動調用。

你無需輸入任何斜線命令。Claude 會讀取 skill 的描述，判斷當前任務是否匹配，並在合適時機自動啟用。

換句話說：

·Commands 是「等待你觸發」

·Skills 是「識別場景後自動執行」

在結構上，Skills 是一個資料夾，而非單一檔案。其中可包含腳本、參考文檔、數據和模板等內容。透過一個帶有 YAML 頭部配置的 SKILL.md 檔案，可以定義其觸發條件：

Skills 現在還支援在 YAML 頭部中設定 effort（推理強度）參數，可在調用時覆蓋模型預設的思考強度。同時，也支援按需觸發的 hooks，僅在該 skill 被調用時才生效。例如：/careful 用於阻止破壞性操作，/freeze 則用於限制對特定目錄之外的編輯。

Anthropic 的內部工程團隊已在九大類場景中構建了數百個 skills，包括：庫/API 參考、產品驗證、數據獲取、業務流程自動化、代碼腳手架、代碼質量審查、CI/CD 部署、運維手冊（runbooks）以及基礎設施操作。

在 3 月 7 日，他們還將其中 17 個 skills 開源至 GitHub（anthropics/skills），覆蓋創意設計、文檔生成、技術開發和企業溝通等場景。

In a skill, the most valuable part is often the summary of "gotchas"—the pitfalls you've personally encountered. Prioritize including these experiences first, as they offer the highest value.

Agents（.claude/agents/）則是更進一步的抽象：它們是具備獨立系統提示、工具權限和模型偏好 的「子代理角色」。

tools 字段用於限制代理的能力範圍。例如，一個安全審計代理僅會被授予 Read、Grep 和 Glob 權限，不具備寫入能力——這是刻意設計的限制。model 字段則允許為不同任務選擇成本更低的模型。對於以讀取與探索為主的任務，Haiku 通常已足夠勝任。

子代理（Subagents）的核心價值在於保持主上下文的整潔。主代理的上下文視窗容易被大量探索性資訊佔滿；而子代理會在獨立的上下文中完成這些「髒活」，再將壓縮後的結果返回。最終，主對話中只保留結論，而不是整個推理過程。

Claude Code 核心功能

任務

上線時間：1 月 22 日。

Anthropic 將原有的 Todos 系統升級為 Tasks，使其成為一個真正的專案管理基礎組件。

Tasks 支持依賴關係，資料儲存在本地檔案系統中（~/.claude/tasks），並允許多個子代理或會話共同協作在同一任務列表上。當某個會話更新任務時，變更會同步廣播給所有正在使用該任務列表的會話。

你還可以將任務列表設置為環境變量，啟動多個並行代理，透過同一任務系統進行協同。這構成了多會話工作流的基礎，也是 Agent Teams 保持組織有序的核心機制。

代理團隊

上線時間：2 月 5 日，隨 Opus 4.6 一同推出，目前為實驗性功能。

如果子代理是「各自執行、統一匯報」的模式，那麼 Agent Teams 更像是一個協作團隊。團隊成員可以透過類似收件箱的機制直接互相通信，透過共享任務清單（含依賴關係）進行任務拆分，並實現並行協作。

最多可支援 10 個成員同時運行。一個主會話負責整體協調：分配任務、整合結果；各成員在各自獨立的上下文視窗中執行任務。

與子代理不同的是，團隊成員之間可以：

·直接分享發現

·互相校驗與質疑

·無需透過主會話轉發即可協同

啟用方式：在 settings.json 中設定

CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

典型應用場景

例如，你需要開發一個新功能，同時涉及：API、前端組件和測試體系。

可以啟動三個成員：

·一個負責 API 接口

·一個負責 React 組件

· 負責整合測試

三者透過共享任務列表協同，測試成員可即時獲知需驗證的介面與組件。整體由串行執行轉為並行推進：原本需時 90 分鐘的任務，可壓縮至約 30 分鐘完成。

使用邊界

代理團隊會帶來額外的協調成本，同時 token 消耗顯著高於單會話。

適用於：

·可並行拆解的任務

· 各子任務之間相對獨立

不適用於：

·高度依賴順序的任務

·需要頻繁修改同一檔案的場景

在這些情況下，應優先使用單一會話或子代理。

遙控器

上線時間：2 月 24 日（最初面向 Max 用戶，後擴展至 Pro）。

這是 Channels 之前的解決方案。

在終端運行 claude rc，然後在手機端（Claude App 或 claude.ai）接管該會話，即可實現遠程控制：

你可以在桌面啟動任務，離開後透過手機持續指揮執行過程。

雖然 Channels（後文）透過接入 Telegram 和 Discord 擴展了使用場景，但 Remote Control 仍是實現「手機控制終端」的最簡單方式，無需額外配置訊息機器人。

Claude Code 頻道：常駐在線的消息介面

上線時間：3 月 20 日，目前為研究預覽階段。

如果你曾經希望可以直接用手機給 AI 發消息，並讓它在你的本地機器上執行任務，那麼這就是對應的解決方案。

Channels 可將一個正在運行的 Claude Code 會話連接到 Telegram 或 Discord。你只需在手機上發送一條訊息，Claude 就會在本地開發環境中處理該指令（包括檔案、工具、Git 等全部資源），並透過同一聊天應用返回結果。

你的會話會在後台持續運行。外部事件不斷進入，Claude 會在完整專案上下文中逐一處理。是否在終端前盯著執行過程，已經不再重要。

這種互動模式，正是 2025 年 11 月 OpenClaw 發布後迅速走紅的原因：一個可以通過常用聊天工具 7×24 小時隨時調用的「常駐 AI 工作節點」。

不同之處在於：Channels 是 Claude Code 的原生功能，由 Anthropic 的安全體系支援，並基於 MCP 架構構建，具備良好的擴展性。

設定方式：

打開 Telegram，向你的機器人發送任意訊息，它會回傳一個配對碼。使用 /telegram:access pair 完成綁定。配對過程會將機器人鎖定至你的用戶 ID，確保他人無法控制你的會話。

Discord 的接入方式類似，透過對應插件完成配對。

目前的限制包括：

·需保持終端會話持續運行（可結合 tmux、screen 或後台進程）

·在研究預覽階段，僅支援 Anthropic 官方批准的外掛

·權限確認仍需在終端完成

不過，其插件架構本身是為擴展而設計的。Slack、WhatsApp、iMessage 等渠道已廣泛被提出需求，且自定義渠道的開發文檔已公開。

整個 Channels 的設定過程僅需約 10 分鐘：建立 Telegram 机器人、獲取配對碼並完成綁定即可。之後，你便可在外出時透過手機直接操作本地的 Claude Code 會話。例如，我曾在買咖啡時，用手機讓它重構一個認證流程；等我回到工位，PR 已經準備好可直接審查。

那一刻，這不再像一個工具，更像一層基礎設施。

Hooks

Hooks 是在特定生命週期節點自動觸發的 shell 命令，例如：提交前（pre-commit）、工具調用後（post-tool-call），或當 Claude 嘗試編輯特定檔案時。

They are not concerned with the "intelligence" of AI, but rather with deterministic control capabilities.

典型應用包括：

· 對 Claude 寫入的每個檔案自動執行 lint

·阻止包含敏感資訊的檔案被提交

·任務完成後發送 Slack 通知

每次編輯後自動運行類型檢查

·強制執行必須 100% 遵守的合規規則

例如，下面是一段用於防止 Claude 提交敏感資訊的基礎 Hook 設定：

將此配置加入 .claude/settings.json 後，可在憑證檔案進入倉庫前被攔截，實現對敏感資訊的前置防護，不再依賴模型判斷，具備確定性保障。

近期新增功能還包括 PostCompact hooks（在上下文壓縮後觸發，用於記錄被壓縮內容）以及 ExitWorktree hooks。

一個清晰的決策框架是：Hooks 提供的是確定性保障，應當用於必須 100% 正確執行的業務規則；提示詞（prompts）則屬於概率性引導，適用於偏好與軟性約束。

如果一次失敗可能帶來經濟損失或法律風險，應優先使用 Hooks。

MCP

MCP 是連接 Claude 與外部服務的開放標準，涵蓋資料庫、API、GitHub、Slack、Telegram、Google Drive，以及幾乎所有可建構伺服器端介面的系統。

你可以將 MCP 理解為 AI 時代的「USB-C 接口」：你不再需要為每個數據源單獨開發集成，而是統一對接一個協議。

·MCP 伺服器：提供資料與能力

·Claude：作為客戶端接入

整個 Channels 功能即基於 MCP 構建，Telegram 與 Discord 的接入本質上也是 MCP Server，插件架構同樣運行在這一体系之上。

換句話說，如果你正在構建任何「Claude + 外部數據」的系統，本質上都在使用 MCP。

MCP 設定通常位於：

項目級：.mcp.json（納入版本控制，團隊共享）

個人級：~/.claude.json

透過環境變數（例如 ${GITHUB_TOKEN}）可避免將憑證寫入版本庫。

在自建 MCP Server 之前，應優先檢查是否已有社區實現。Jira、GitHub、Slack、Notion、Linear 等常用工具均已有現成方案。僅當社區方案無法滿足團隊特定需求時，才建議自建。

建議定期執行 /mcp 以檢查各項服務的 token 消耗量。實際案例中，有項目因遺留連接佔用了約 15% 的上下文窗口，未使用的服務應及時斷開。

Plugins（插件）

插件是團隊標準化的核心載體。一個成員可將程式碼審查標準、部署流程與架構規範封裝為插件，團隊統一安裝後，即可實現輸出一致性、風格統一與流程合規。標準不再依賴個人記憶，而是沉淀為系統能力。

插件本質上是一個組合單元：將 skills、hooks、subagents 與 MCP server 打包為一個可安裝模組。

例如，一個完整的程式碼審查流程（包含 skill、子代理與 pre-commit hook）可封裝為插件，並透過市場或團隊私有倉庫分發。

插件中的 skills 採用命名空間（例如 /my-plugin:review），可避免多個插件之間的衝突。3 月 20 日的更新還支援在 settings.json 中透過 source: 'settings' 声明插件入口。

建議路徑：

· 安裝一個與自身角色匹配的官方插件

·實際使用一週

·建立一個封裝團隊標準的自訂插件

真正的效率提升，發生在第三步。

Headless Mode 與 CI/CD

Claude Code 支持使用 -p 參數以非互動模式運行，可直接嵌入自動化流程，例如：PR 代碼審查、安全掃描、測試生成、文檔更新；若不使用該參數，CI 任務會因等待互動輸入而阻塞。

結合：

--output-format json

--json-schema

可輸出結構化結果，供自動系統解析並生成 PR 評論。

一個基礎 GitHub Actions 流程為：

· 創建 PR 時觸發

·執行：claude -p "review this diff..."

·輸出 JSON

· 解析並發布評論

部署成本約 15 分鐘，即可在人工審查前提前發現問題。

關鍵原則：代碼審查應使用獨立的 Claude 實例，而非生成代碼的同一會話。原因在於：生成代碼的會話會保留其推理路徑，較難質疑自身的決策；獨立實例更容易識別問題。

Claude Code 安全能力

Claude Code 已具備對完整程式碼庫進行安全審計的能力。傳統掃描工具依賴規則匹配，誤報率通常在 30%–60%；Claude 則透過語義理解進行跨檔案資料流分析，能夠識別複雜的邏輯漏洞。

Anthropic 報告其誤報率低於 5%。在 Opus 4.6 的測試中，其安全團隊在多個成熟的開源項目中發現了超過 500 個漏洞，其中部分問題已存在多年未被識別。隨後，Claude 會透過紅隊機制對結果進行二次篩選，以進一步降低誤報。

Voice Mode（语音模式）

Claude Code 支援語音輸入，實現無鍵盤程式設計。

典型場景包括：一邊查看代碼，一邊口述重構邏輯；在思考複雜問題時直接語音描述解決方案，通過 /voice 啟用。

儘管早期存在 WebSocket 斷連等問題，但目前已持續優化。

自動化程式碼審查與 PR 工作流程

Claude Code 可在 PR 中自動執行代碼審查：分析 diff、評估代碼品質、標記潛在問題、檢查測試覆蓋率，並以評論形式寫入 PR。

結合 CI/CD，還可實現：自動生成預覽、執行測試、彙總變更、滿足條件後準備合併

除了 Chat、Cowork 和 Code 之外，生態系統仍在持續擴展。

Claude 現已以插件形式集成進 Excel 和 PowerPoint。

The March 11 update enables context sharing between the two: data analysis completed in Excel (such as formulas, pivot tables, conditional formatting, etc.) can be seamlessly transferred to PowerPoint for generating presentation content and visualizations without losing any information.

Skills 也可在插件中運行；同時，基於 Amazon Bedrock、Google Cloud Vertex AI 或 Microsoft Foundry 的企業用戶，也可透過 LLM 網關接入。

最有效率的工作流程是：將原始數據導入 Excel，讓 Claude 完成分析、建立透視表並提煉關鍵趨勢；然後打開 PowerPoint，直接讓 Claude 基於這些分析結果生成簡報。

由於上下文已共享，Claude 已掌握數據、核心結論與關鍵數值——無需重複說明、無需跨應用複製貼上，也無需重新排版。

有創作者反饋，從原始季度數據到董事會級匯報，僅需約 20 分鐘。

微軟也在 3 月 9 日推出了基於 Claude 模型的「Copilot Cowork」，作為其 99 美元/用戶的 E7 企業訂閱的一部分。

Claude 正逐步成為其他企業產品的底層能力引擎。

對話內可視化（Custom Visuals in Chat）

上線時間：3 月 12 日（Beta），面向所有用戶開放（包括免費用戶）。

Claude 現可在對話中直接生成互動式圖表、流程圖與可視化內容。

這些內容基於 HTML 與 SVG 建構，支援懸停與點擊互動，並可隨著對話推進持續更新。

需要區分的是：

Inline Visuals（對話內可視化）：臨時性、隨對話動態變化

Artifacts：持久化、可分享的文檔（位於側邊欄）

對話內可視化更像是在討論過程中臨時「畫一塊白板」。你可以將其導出為 SVG/HTML，或轉換為 Artifact 進行保存。

使用建議：

在探索數據或解釋概念時，優先使用 Inline Visuals

在需要交付成果時，使用 Artifacts

一個典型場景是：在調試過程中說一句：「幫我畫一個認證流程圖。」

Claude 即時生成圖示，你定位問題後繼續討論，無需切換工具。

API

對於基於 Claude 構建應用的開發者而言，當前最關鍵的變化包括：

推理機制調整

自適應推理（effort）已取代原有的 budget_tokens 模型。

Sonnet 4.6：設為「medium」，可在不顯著影響品質的前提下降低成本

Opus 4.6：新增「max」模式，適用於極限效能場景，但 token 消耗顯著增加

推理 token 按輸出 token 計費（Opus 為 $25/M），因此 effort 是自動化流程中的核心成本控制參數。

工具與輸出能力全面 GA

細粒度工具流式調用（tool streaming）已正式可用

結構化輸出（structured outputs）已 GA

數據駐留支援（可將推理限定於美國，價格為 1.1 倍）

100 萬上下文視窗自動生效（超過 200K token 無需額外配置）

Web 功能

當與 web search 或 web fetch 結合時，代碼執行免費

搜索結果支援動態過濾（無額外費用）

Web search 和 Web fetch 均已正式上線，無需 beta 標記

這是當前大多數開發者容易忽視的一項關鍵能力。

API 技能

API Skills 是一項尚未被廣泛使用的全新功能。

Anthropic 已提供 PowerPoint、Excel、Word 與 PDF 處理的預建構技能；

同時支援透過 /v1/skills 接口上傳自訂技能，將領域知識與組織流程封裝為可重用能力。

需要注意：

技能需依賴代碼執行能力啟用。

For document processing applications, this capability can replace a large number of self-built toolchains.

上下文壓縮（Context Compaction）

當會話接近上下文上限時，系統會自動壓縮並總結歷史內容，在保留關鍵資訊的前提下釋放空間。

隨著 100 萬上下文視窗正式可用，壓縮觸發頻率已明顯下降。

數據與規模

Anthropic 於 2026 年 2 月 12 日完成一輪廣泛報導的 300 億美元 G 輪融資，公司估值達 3800 億美元。本輪由 GIC 與 Coatue 領投，為歷史上第二大風險投資交易，僅次於 OpenAI 的 400 億美元融資。微軟與英偉達亦參與其中。

公司年化收入已達到 140 億美元，並連續三年實現 10 倍增長。其中，僅 Claude Code 的年化收入已達 25 億美元，較今年年初已翻倍以上。同期，企業訂閱規模增長了四倍。

在客戶結構上：

·《財富》500 強前 10 名中已有 8 家為 Claude 客戶

·年支出超過 100 萬美元的客戶已超過 500 家（兩年前僅約十餘家）

年支出超過 10 萬美元的客戶數量在过去一年增長 7 倍

目前，企業客戶貢獻約 80% 的收入，且企業版已支援線上直接購買，無需傳統銷售流程。

在企業基礎設施層面：

1 月推出支援 HIPAA 的 Enterprise 方案，面向處理敏感醫療數據的機構

2 月 13 日發布 Enterprise Analytics API，可程式化存取按組織維度提供的使用與參與度資料

This type of capability is precisely the key factor driving corporate procurement decisions.

Anthropic 同時推出 Claude Partner Network，並投入 1 億美元用於培訓、聯合市場推廣與技術架構支持。

首個專業認證 Claude Certified Architect（Foundations）於 3 月 12 日發布，為受監考的架構級考試，內容涵蓋：Agent 設計、MCP 集成、Claude Code 配置及生產級可靠性模式。

埃森哲計劃培訓約 3 萬名專業人員參與該認證體系。官方培訓平台 Anthropic Academy 於 3 月 2 日上線，初始提供 13 門免費課程，目前已擴展至 15 門。年內還將推出面向銷售、開發者與高級架構師的更多認證。

對於諮詢公司或代理機構而言，這一認證體系很可能在未來成為企業客戶篩選合作方的重要標準。

從內部使用情況來看：

·Anthropic 的工程師約 60% 的工作依賴 Claude（一年前為 28%）

· 每日發布 60–100 個內部版本

·Cowork 僅用 10 天從 0 到上線，完全基於 Claude Code 建構

這背後形成了一個關鍵的反饋迴圈：工具正被用於構建工具本身。

正是這一循環，使產品迭代週期從「按月」壓縮至「按週」，再進一步壓縮至「按天」。

基礎設施層正在迅速「商品化」。六個月前還需要自建框架才能實現的功能，如今已成為平台的原生能力。真正的護城河從來不在基礎設施，而在於品味、分發能力，以及你基於這些工具構建了什麼。

對於基於 Claude 開發產品的構建者而言，真正的槓桿在於其擴展體系：Skills、子代理、Agent Teams、Hooks、Channels、MCP、插件。

一個經過精細配置、擁有自訂技能與作用域代理的 Claude Code，和一個僅在聊天視窗輸入提示詞的使用方式，本質上是兩種完全不同的工具。

理解這些等級，並將其配置為貼合自身工作流程的系統，這種投入會在每一次使用中持續複利。

對於知識工作者而言，Cowork 從本週起將重塑你的日常工作方式：搭建上下文文件體系，設置全局指令，安裝兩款插件，所有任務優先使用 AskUserQuestion，配置一個定時任務。借助 Dispatch 打通手機與桌面，碎片時間將轉化為有效產出；而最新上線的 Computer Use，則進一步擴展了自動執行的邊界。

對於團隊管理者而言，插件市場與企業能力意味著：你可以將 Claude 的使用方式在整個組織內標準化。將團隊的經驗、規範與流程沉澱為插件，並進行分發——這才是從「偶爾使用 AI」，走向「以 AI 為操作系統」的關鍵躍遷。

The pace will not slow down; it will only accelerate further.

因為 Anthropic 正在使用自己的工具構建下一代工具。每一代模型都在提升構建下一代模型的效率。這種遞歸加速，正在改變整個行業的計算方式。

現在就去理解這個平台。不是下個季度，不是下個月，而是現在。

如果你已經讀到這裡，你已經領先於 99.9% 的人，那些會收藏這篇內容卻大概率不會再回來看的用戶。他們仍會把 Claude 當作一個基礎聊天工具使用，而你不會。

我不是工程師，是自學的。我也不聲稱自己掌握了所有答案，或擁有適用於所有情境的最佳 Claude 配置。如果有人這麼說，那大概率是在誤導你。這裡的所有內容，都來自日常實踐——不斷嘗試、不斷踩坑，並將真正有效的方法記錄下來，讓其他人不必從零摸索。

你需要的是：多動手、多試錯，甚至「多折騰」。這是學習的唯一方式。

如果你發現這裡有不準確、缺失或已過時的內容，也歡迎指出——我更願意修正它，而不是讓別人基於錯誤資訊繼續構建。

感謝閱讀。

原文連結